如何将指定SQL查询转换为R代码？现有R代码报错求排查

原SQL查询 #

Select Location, MAX(cast(Total_deaths as int)) as TotalDeathCount
From PortfolioProject..CovidDeaths
Where continent is not null 
Group by Location
order by TotalDeathCount desc

用户错误代码及报错信息 #

错误代码 #

library(dplyr)
library(tidyr)
covid_death %>%
  drop_na() %>% 
  select(total_deaths) %>% 
  summarise(TotalDeathCount = max(total_deaths)) %>% 
  filter(continent != null)

报错信息 #

Error in filter(., continent != null) : 
Caused by error in `mask$eval_all_filter()`:
! object 'null' not found

问题分析 #

1. 空值判断错误：R中表示空值的是NA，而非SQL里的null，直接写null会被识别为未定义对象，触发报错。
2. 数据处理顺序混乱：filter操作放在最后，但前面的select(total_deaths)已经删除了continent列；且过滤逻辑对应SQL的Where子句，应该在分组汇总前执行。
3. 全量去空不合理：drop_na()会删除所有含NA的行，不符合原SQL仅过滤continent非空的需求。
4. 缺失分组依据：原SQL按Location分组，但代码既没保留location列，也没有group_by操作，无法完成分组汇总。
5. 类型转换缺失：原SQL将Total_deaths转为整数类型，R代码未做对应转换，可能导致最大值计算错误。

正确的R实现代码 #

library(dplyr)

# 假设数据框名为covid_death，列名与SQL对应（R区分大小写）
covid_death %>%
  # 过滤continent非空的行，对应SQL的Where子句
  filter(!is.na(continent)) %>%
  # 按location分组，对应SQL的Group by
  group_by(location) %>%
  # 计算每个地区的最大死亡数，完成类型转换并忽略NA
  summarise(TotalDeathCount = max(as.integer(total_deaths), na.rm = TRUE)) %>%
  # 按死亡数降序排序，对应SQL的order by
  arrange(desc(TotalDeathCount))

代码说明 #

• !is.na(continent)：正确判断continent列非空，替代错误的continent != null。
• group_by(location)：实现按地区分组，匹配SQL的Group by Location逻辑。
• as.integer(total_deaths)：完成原SQL中cast(Total_deaths as int)的类型转换。
• na.rm = TRUE：计算最大值时忽略可能存在的NA值，避免计算失败。
• arrange(desc(TotalDeathCount))：按死亡数降序排序，对应SQL的order by TotalDeathCount desc。

内容的提问来源于stack exchange，提问作者Golem